车辆的智能驾驶方法、装置、设备及存储介质与流程

1.本技术的实施例涉及车辆控制的技术领域，尤其涉及一种车辆的智能驾驶方法、装置、设备及存储介质。


背景技术：

2.在相关的智能驾驶技术中，对于车辆巡航和车辆变道的驾驶方式，往往没有考虑不同的行驶场景，也就是说，对于恶劣的行驶场景和相对适宜的行驶场景，在智能驾驶的策略中往往采取相同的驾驶方式。
3.进一步地，即使针对不同的行驶场景给出了不同驾驶方式的选择，往往也需要依靠驾驶员进行主动设置，不仅在驾驶体验上不够智能和人性化，另一方面，该方式也十分依赖驾驶员的主观判断，使得驾驶时的安全性不高。
4.基于此，需要一种能够针对不同的行驶场景智能实施不同驾驶方式的方案。


技术实现要素：

5.有鉴于此，本技术的目的在于提出一种车辆的智能驾驶方法、装置、设备及存储介质。
6.基于上述目的，本技术提供了车辆的智能驾驶方法，包括：
7.获取对车辆进行操作的操作信息，以及监测所述车辆当前所处的场景的场景影响信息；其中，所述场景影响信息包括所述车辆当前的车前环境信息和天气信息中至少一项；
8.利用所述操作信息和所述场景影响信息，确定所述车辆当前所处的行驶场景；
9.按照所述行驶场景，对所述车辆在巡航时和/或变道时的驾驶方式进行控制。
10.进一步地，所述行驶场景包括：雨雪天湿滑路面或非雨雪天湿滑路面；所述利用所述操作信息和所述场景影响信息，确定所述车辆当前所处的行驶场景，包括：
11.利用所述操作信息对所述车辆当前所处的行驶场景进行判断，得到第一预测场景；利用所述车前环境信息对所述车辆当前所处的行驶场景进行判断，得到第二预测场景；利用所述天气信息对所述车辆当前所处的行驶场景进行判断，得到第三预测场景；
12.利用为所述第一预测场景、所述第二预测场景和所述第三预测场景各自分别预设的场景权重，通过将所述第二预测场景和所述第三预测场景中至少一项的场景权重与所述第一预测场景的场景权重进行比对，判断所述行驶场景为雨雪天湿滑路面或非雨雪天湿滑路面。
13.进一步地，所述按照所述行驶场景，对所述车辆在巡航时和/或变道时的驾驶方式进行控制，包括：
14.确定当前所述车辆在巡航时与前车之间的跟车距离和所述车辆的车速上限；
15.确定当前所述车辆在变道时与除所述车辆之外的其他车辆之间的碰撞时长和所述车辆的变道速度；
16.根据所述行驶场景，调整所述跟车距离、所述车速上限、所述碰撞时长和所述变道
速度中的至少一项。
17.进一步地，所述根据所述行驶场景，调整所述跟车距离、所述车速上限、所述碰撞时长和所述变道速度中的至少一项，包括：
18.响应于确定所述行驶场景为非雨雪天湿滑路面，执行包括将所述跟车距离调整为第一距离，将所述车速上限调整为第一车速，将所述碰撞时长调整为第一时长，以及将所述变道速度调整为第一速度在内的至少一项调整。
19.进一步地，所述根据所述行驶场景，调整所述跟车距离、所述车速上限、所述碰撞时长和所述变道速度中的至少一项，还包括：
20.响应于确定所述行驶场景为雨雪天湿滑路面，执行包括将所述跟车距离调整为第二距离，将所述车速上限调整为第二车速，将所述碰撞时长调整为第二时长，以及将所述变道速度调整为第二速度在内的至少一项调整；
21.其中，所述第二距离大于所述第一距离，所述第二车速小于所述第一车速，所述第二时间大于所述第一时间，所述第二速度小于所述第一速度。
22.进一步地，所述确定所述车辆当前所处的行驶场景之后，还包括：
23.根据所述操作信息确定所述第一预测场景的第一预测等级，根据所述车前环境信息确定所述第二预测场景的第二预测等级，根据所述天气信息确定所述第三预测场景的第三预测等级；
24.利用为所述第一预测等级、所述第二预测等级和所述第三预测等级各自分别预设的等级权重，通过将所述第二预测等级和所述第三预测等级中至少一项的等级权重与所述第一预测等级的等级权重进行比对，得到关于当前的所述行驶场景的程度等级；
25.其中，所述程度等级用于对确定出的所述当前的行驶场景进行划分；
26.所述按照所述行驶场景，对所述车辆在巡航时和/或变道时的驾驶方式进行控制，包括：
27.根据所述行驶场景的程度等级，调整所述车辆在所述当前的行驶场景下巡航时和/或变道时的驾驶方式。
28.进一步地，所述利用所述程度等级，调整所述车辆在所述当前的行驶场景下巡航时和/或变道时的驾驶方式，包括：
29.响应于确定所述行驶场景为所述雨雪天湿滑路面，根据所述程度等级，调整所述第二距离、所述第二车速、所述第二时间和所述第二速度中的至少一种。
30.基于同一发明构思，本技术还提供了一种车辆的智能驾驶装置，包括：信息获取模块、判断模块和驾驶方式设置模块；
31.其中，所述信息获取模块，被配置为，获取对车辆进行操作的操作信息，以及监测所述车辆当前所处的场景的场景影响信息；其中，所述场景影响信息包括所述车辆当前的车前环境信息和天气信息中至少一项；
32.所述判断模块，被配置为，利用所述操作信息和所述场景影响信息，确定所述车辆当前所处的行驶场景；
33.所述驾驶方式设置模块，被配置为，按照所述行驶场景，对所述车辆在巡航时和/或变道时的驾驶方式进行控制。
34.基于同一发明构思，本技术还提供了一种电子设备，包括存储器、处理器及存储在
存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任意一项所述的车辆的智能驾驶方法。
35.基于同一发明构思，本技术还提供了一种非暂态计算机可读存储介质，其中，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上述车辆的智能驾驶方法。
36.从上面所述可以看出，本技术提供的车辆的智能驾驶方法、装置、设备及存储介质，基于采集的操作信息、车前环境信息和天气信息，可以通过采取操作信息、车前环境信息和天气信息中的至少一项来判定车辆当前的行驶场景，并在结合全部项对行驶场景进行判定时，综合考虑了指向驾驶者主观判断结果的操作信息，以及，指向各类传感器判断结果的车前环境信息和天气信息来对当前的行驶场景进行判定，使得行驶场景的判定更加准确。
37.进一步地，基于多方面的信息所判定出的行驶场景，以此来设置车辆的驾驶方式，可以针对判定出的不同的行驶场景来调整不同的巡航方式和变道方式。
38.可见，本方案一方面，使得在更加恶劣的行驶场景下能够采取更加安全的驾驶方式；另一方面，对于所采取的驾驶方式，避免了仅依靠驾驶员来主动实施，实现了驾驶员主观判断与智能判断的相结合，不仅提高了仅依靠主观判断时的安全性，还实现了人性化的智能驾驶，提高了驾驶员的驾驶体验。
附图说明
39.为了更清楚地说明本技术或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
40.图1为本技术实施例的车辆的智能驾驶方法的流程图；
41.图2为本技术实施例的智能驾驶的执行逻辑图；
42.图3为本技术实施例的车辆的智能驾驶装置结构示意图；
43.图4为本技术实施例的电子设备结构示意图。
具体实施方式
44.为使本技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本技术进一步详细说明。
45.需要说明的是，除非另外定义，本技术的实施例使用的技术术语或者科学术语应当为本技术所属领域内具有一般技能的人士所理解的通常意义。本技术的实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
46.如背景技术部分所述，相关的车辆的智能驾驶方法还难以满足车辆驾驶者的实际使用需要。
47.申请人在实现本技术的过程中发现，相关的车辆的智能驾驶方法存在的主要问题在于：在相关的智能驾驶技术中，对于车辆巡航和车辆变道的驾驶方式，往往没有考虑不同的行驶场景，也就是说，对于恶劣的行驶场景和相对适宜的行驶场景，在智能驾驶的策略中往往采取相同的驾驶方式，例如雨雪天湿滑路面的场景下，和在非雨雪天湿滑路面的场景下，对于驾驶方式采取相同的策略。
48.进一步地，申请人在研究中还发现，即使针对不同的行驶场景给出了不同驾驶方式的选择，往往也需要依靠驾驶员进行主动设置，可以看出，依靠驾驶员主动设置驾驶方式的策略，一方面，不仅在驾驶体验上不够智能和人性化，另一方面，该方式也十分依赖驾驶员的主观判断，使得驾驶时的安全性不高。
49.基于此，本技术中的一个或多个实施例提供了车辆的智能驾驶方法，基于不同的行驶场景，来智能调整车辆的驾驶方式。
50.在本技术的实施例中，将具备多种不同传感器的车辆作为一个具体的示例，其中，该车辆还具备智能驾驶控制器，该智能驾驶控制器可以利用多个不同的传感器传输来的信息来对车辆进行控制，以实现智能驾驶。
51.以下结合附图详细说明本技术的实施例。
52.参考图1，本技术一个实施例的车辆的智能驾驶方法，可以通过车辆具备的上述多个不同的传感器，或者，智能驾驶控制器来执行，并具体包括以下步骤：
53.步骤s101、获取对车辆进行操作的操作信息，以及监测所述车辆当前所处的场景的场景影响信息；其中，所述场景影响信息包括所述车辆当前的车前环境信息和天气信息中至少一项。
54.在本技术的实施例中，上述车辆具备外部传感器、智能驾驶传感器和车身域控制器。
55.其中，车身域控制器可以在车辆的驾驶员对该车辆进行操作时，采集关于操作动作的操作信息，其中，如图2所示，当驾驶员对车辆进行的操作具体可以包括：驾驶员对雨刮器的调节，例如，开、关雨刮器或者调节雨刮器的刮动速度等；还可以包括，驾驶员对车辆大灯的调节，例如，打开或者关闭大灯等；还可以进一步包括，驾驶员对加热除霜功能的调节，例如打开或者关闭加热除霜功能等，车身域控制器可以将以上的操作动作作为操作信息进行采集。
56.可见，依靠车身域控制器采集的上述操作信息，可以获取驾驶员对车辆当前所处环境的判断，例如，获取驾驶员对天气情况的判断，以及，对车辆当前所处的光线环境的判断等。
57.进一步地，智能驾驶传感器包括有：设置在车身上的摄像头、或者激光雷达、或者毫米波雷达等，可以用于采集车辆前部的环境信息，例如，车辆前部路面的反光情况，以及，车辆前风挡玻璃区域的降落物。
58.可见，依靠智能驾驶传感器采集车辆前部的路面的反光情况，可以获取车辆前部的路面的积水情况，依靠智能驾驶传感器采集车辆前部的降落物的情况，在本实施例中，将上述的积水情况和降落物的情况作为该车辆当前所处环境的车前环境信息；此外，还可以
依靠智能驾驶传感器采集车辆外部的光线强度，并可以将该车辆当前所处的光线环境作为车前环境信息的内容之一。
59.进一步地，外部传感器包括有：用于采集车辆外部温度的外温传感器和用于采集车辆外部雨量、雪量和光线强度的雨量光线传感器。
60.进一步地，如图2所示，依靠外温传感器采集的信息，可以获取车辆外部温度，依靠雨量光线传感器可以获取车辆外部的天气情况，例如，是否出现雨雪天气等，在本实施例中，将外部传感器获取的车辆外部温度和天气情况作为该车辆当前所处环境的天气信息；此外，还可以依靠雨量光线传感器采集车辆外部的光线强度，并可以将该车辆当前所处的光线环境作为天气信息的内容之一。
61.在本实施例中，可以将上述采集的车前环境信息和天气信息作为场景影响信息，其中，该场景影响信息可以仅包括车前环境信息，或者仅包括天气信息；还可以同时包括车前环境信息和天气信息。
62.步骤s102、利用所述操作信息和所述场景影响信息，确定所述车辆当前所处的行驶场景。
63.在本技术的实施例中，基于上述获取的车前环境信息和天气信息中的至少一项，也即，场景影响信息，以及，操作信息，可以分别利用这些信息对该车辆当前所处的行驶场景进行判断，来得到各自的第一预测场景、第二预测场景和第三预测场景，并通过综合第一预测场景、第二预测场景和第三预测场景可以得到该车辆当前所处的行驶场景。
64.在本实施例中，上述车辆还可以具备有智能驾驶控制器，如图2所示，智能驾驶传感器将获取的车前环境信息发送至智能驾驶控制器；外部传感器将获取的天气信息发送至智能驾驶控制器；车身域控制器将获取的操作信息发送至智能驾驶控制器，基于此，智能驾驶控制器可以利用得到的操作信息、车前环境信息和天气信息对车辆当前所处的行驶场景进行判断。
65.具体地，可以单独利用上述获取的操作信息对该车辆当前所处的行驶场景进行判断，并将得到的判断结果作为第一预测场景。
66.其中，在具体的示例中，根据前述步骤中获取的操作信息，当该操作信息表明驾驶员打开雨刮器时，则可以认为车辆外部出现雨雪天气；当该操作信息表明驾驶员打开车辆大灯时，则可以认为车辆处于夜晚环境；当该操作信息表明驾驶员打开加热除霜功能时，则可以在判定该车辆处于雨雪天气时，对该判定进行确认，以辅助判断车辆所处的行驶场景。
67.在本实施例中，将上述判断出的雨雪天气或者非雨雪天气，以及，夜晚环境作为第一预测场景。
68.在本申实施例中，可以单独利用上述获取的车前环境信息对该车辆当前所处的行驶场景进行判断，并将得到的判断结果作为第二预测场景。
69.在具体地示例中，如前述步骤所述，可以通过智能驾驶传感器确定车辆前部的路面的积水情况，当存在积水情况时，则可以认为车辆处于雨雪天气，而当不存在积水情况时，则可以认为车辆处于非雨雪天气。
70.进一步地，基于判断出的光线强度，当光线强度弱时，可以认为当前车辆外部的天气为阴天，也即，可以确认上述判断出的雨雪天气；而当光线强度强时，则可以认为当前车辆外部的天气为晴天，也即，可以确认上述判断出的非雨雪天气。
71.同时，还可以基于雨量光线传感器确定的不同光线强度来判断车辆当前处于白天环境或者夜晚环境。
72.在本技术的实施例中，可以单独利用上述获取的天气信息对该车辆当前所处的行驶场景进行判断，并将得到的判断结果作为第三预测场景。
73.其中，在具体的示例中，如前述步骤所述，可以通过雨量光线传感器确定当前车辆外部为雨雪天气或者非雨雪天气，并在判断车辆外部出现降雨或者降雪天气时，可以结合外温传感器获取的车辆外部温度来对雨雪天气进行进一步判断。
74.具体地，当车辆外部温度在0度左右时，则可以认为车辆外部出现降雪天气；而当车辆外部温度在0度以上时，则可以认为车辆外部出现降雨天气，并将该雨雪天气或者非雨雪天气作为第三预测场景。
75.在一些实施例中，在雨量光线传感器判断出车辆外部出现雨雪天气或者非雨雪天气时，通过雨量光线传感器确定的光线强度还可以对是否出现为雨雪天气进行进一步确认。
76.具体地，雨量光线传感器确定的光线强度弱时，可以认为当前车辆外部的天气为阴天，也即，可以确认上述判断出的雨雪天气；而当雨量光线传感器所确定的光线强度强时，则可以认为当前车辆外部的天气为晴天，也即，可以确认上述判断出的非雨雪天气。
77.同时，还可以基于雨量光线传感器确定的不同光线强度来判断车辆当前处于白天环境或者夜晚环境。
78.在本实施例中，可以通过综合上述判断出的第一预测场景、第二预测场景和第三预测场景，来判断出车辆当前所处环境的行驶场景。
79.具体地，可以为第一预测场景、第二预测场景和第三预测场景分别设置各自的场景权重，也即，分别为第一场景权重、第二场景权重和第三场景权重。
80.进一步地，利用上述的第一场景权重、第二场景权重和第三场景权重对第一预测场景、第二预测场景和第三预测场景进行综合比对，并将比对后得到的结果作为判定出的行驶场景。
81.在具体地示例中，例如，在雨雪天气的判断中，可以将第一场景权重设置为0.2，将第二场景权重设置为0.4，并将第三场景的权重设置为0.4；相似地，在夜晚环境或白天环境的判断中，可以将第一场景权重设置为0.4，将第二场景权重设置为0.3，并将第三场景权重设置为0.3。
82.进一步地，当第一预测场景为非雨雪天气，第二预测场景和第三预测场景均为雨雪天气时，则可以利用上述各自关于雨雪天气和非雨雪天气的场景权重的取值，对第一预测场景、第二预测场景和第三预测场景的结果进行综合比对，并根据比对的结果得到雨雪天气的结果。
83.在具体的示例中，基于上述为各个场景设置的权重值，可以将第一预测场景的非雨雪天气作为20％非雨雪天气的概率，将第二预测场景的雨雪天气作为40％雨雪天气的概率，将第三预测场景的雨雪天气作为40％雨雪天气的概率。
84.进一步地，基于上述确定的雨雪天气和非雨雪天气各自的概率，可以将相同预测场景的概率进行累加，并最终将概率大的行驶场景判定为当前的行驶场景。
85.具体地，可以得到20％概率的非雨雪天气和80％概率的雨雪天气，并将概率较大
的雨雪天气作为当前的行驶场景。
86.在一些其他示例中，当第一预测场景和第二预测场景均为非雨雪天气，第三预测场景为雨雪天气时，基于上述为各个场景设置的权重值，可以将第一预测场景的非雨雪天气作为20％非雨雪天气的概率，将第二预测场景的非雨雪天气作为40％非雨雪天气的概率，将第三预测场景的雨雪天气作为40％雨雪天气的概率。
87.进一步地，基于上述确定的雨雪天气和非雨雪天气各自的概率，可以得到60％概率的非雨雪天气和40％概率的雨雪天气，并将概率较大的非雨雪天气作为当前的行驶场景。
88.进一步地，当第一预测场景和第二预测场景均为夜晚环境，第三预测场景为白天环境时，则可以利用上述各自关于白天和夜晚的场景权重的取值，对第一预测场景、第二预测场景和第三预测场景的结果进行综合比对，并根据比对后得到的结果得到夜晚环境的结果。
89.可以看出，在一些实施例中，在综合了第一预测场景、第二预测场景和第三预测场景后所得到的行驶场景可以是单独的雨雪天气或非雨雪天气，也可以是雨雪天气或非雨雪天气之一，与白天环境或夜晚环境之一的组合，例如，可以是白天环境的雨雪天气、夜晚环境的雨雪天气、白天环境的非雨雪天气，以及，夜晚环境的非雨雪天气之一。
90.在一些实施例中，在确定行驶场景时，可以利用上述的操作信息、车前环境信息和天气信息中的任意一项信息或任意多项信息。
91.需要说明的是，可以将雨雪天气的路面视为湿滑路面，也就是说，雨雪天气附带了湿滑路面的行驶场景，而非雨雪天气的路面则不附带有湿滑路面的行驶场景，因此，可以将本实施例中的雨雪天气等价为雨雪天湿滑路面，并将非雨雪天气称为非雨雪天湿滑路面。
92.在本技术的一些其他实施例中，基于上述确定的行驶场景，可以确定该行驶场景的程度等级，在本实施例中，程度等级可以视为雨雪天湿滑路面对车辆行驶的不利程度。
93.具体地，对于通过操作信息来确定的第一预测场景，可以根据操作信息来确定第一预测场景的第一预测等级；例如，当驾驶员将雨刮器的速度设置为最慢速时，则认为第一预测等级为最低级，也即，认为当前的雨雪天湿滑路面对车辆行驶的不利程度为最低；而当驾驶员将雨刮器的速度设置为最快速时，则认为第一预测等级为最高级，也即，认为当前的雨雪天湿滑路面对车辆行驶的不利程度为最高。
94.进一步地，对于通过车前环境信息确定的第二预测场景，可以根据车前环境信息来确定第二预测场景的第二预测等级；例如，当智能驾驶传感器采集到的车辆前风挡玻璃区域的降落物越密集时，则可以认为当前的雨雪天气湿滑路面对车辆行驶的不利程度越高，并将第二预测等级的级别视为越高。
95.进一步地，对于通过天气信息确定的第三预测场景，可以根据天气信息来确定第三预测场景的第三预测等级；例如，当雨量光线传感器采集到的降雨或者降雪量越大，则可以认为当前的雨雪天气湿滑路面对车辆行驶的不利程度越高，并将第三预测等级的级别视为越高。
96.在本实施例中，可以将第一预测等级、第二预测等级和第三预测等级设置为相同等级数量的多个级别，例如，可以将第一预测等级设置为3个级别，并将第二预测等级和第三预测等级也均设置为相同的3个级别；基于此，可以将雨刮器的速度按照从慢到快分为1
级至3级的3个级别，以对应第一预测等级中的三个级别；将车前环境信息中降落物的密集程度从稀疏至密集分为1级至3级的3个级别，以对应第二预测等级中的三个级别；将天气信息中的降雨量或者降雪量从小到大分为1级至3级的3个级别，以对应第三预测等级中的三个级别。
97.可以看出，基于上述相同的级别划分，可以通过为第一预测等级、第二预测等级和第三预测等级分配各自的等级权重，来将其综合为程度等级。
98.具体地，可以分别设置为第一等级权重、第二等级权重和第三等级权重，并基于此对第一预测等级、第二预测等级和第三预测等级进行进行综合比对，并将比对后得到的结果作为判定出的行驶场景的预测等级。
99.在具体地示例中，例如，在雨雪天气的判断中，可以将第一预测权重设置为0.2，将第二预测权重设置为0.4，并将第三预测权重设置为0.4。
100.进一步地，当第一预测等级为1级，第二预测等级和第三预测等级均为2级时，则可以利用上述各自场景权重的取值，对第一预测等级、第二预测等级和第三预测等级的结果进行综合比对，并根据比对的结果得到预测等级。
101.具体地，基于上述为各个预测等级设置的权重值，可以将第一预测等级的1级作为20％的1级概率，将第二预测等级的2级作为40％的2级概率，将第三预测等级的2级作为40％的2级概率。
102.进一步地，基于上述确定的1级和2级各自的概率，可以将相同预测等级的概率进行累加，并最终将概率大的预测等级判定为当前的程度等级。
103.具体地，可以得到20％概率的1级和80％概率的2级，并将概率较大的2级作为当前的程度等级。
104.步骤s103、按照所述行驶场景，对所述车辆在巡航时和/或变道时的驾驶方式进行控制。
105.在本技术的实施例中，如图2所示，基于上述确定出的行驶场景，可以根据不同的行驶场景来调整车辆在巡航时和变道时的驾驶方式。
106.具体地，可以通过智能驾驶控制器确定出当前车辆在巡航时的跟车距离和车速上限，并确定出该车辆在变道时的碰撞时间和变道速度。
107.其中，跟车距离用于表示该车辆在巡航时与前车之间的距离；车速上限用于表示车辆在巡航时的车速；碰撞时间用于表示该车辆在变道过程中，该车辆与相邻车道内的前后车辆之间发生碰撞的时间，并具体可以用车辆之间的相对距离与相对速度的比值来确定；变道速度用于表示该车辆在变道过程中的横向加速度与纵向加速度的大小。
108.进一步地，可以根据确定出的不同的行驶场景来具体调整该车辆的跟车距离、车速上限、碰撞时间和变道速度。
109.具体地，当判断出车辆当前所处的行驶场景为非雨雪天湿滑路面时，可以将车辆巡航时的跟车距离设置为第一距离，将车速上限设置为第一车速；将车辆变道时的碰撞时间设置为第一时间，将变道速度设置为第一速度。
110.进一步地，当判断出车辆当前所处的行驶场景为雨雪天湿滑路面时，可以将车辆巡航时的跟车距离设置为第二距离，将车速上限设置为第二车速；将车辆变道时的碰撞时间设置为第二时间，将变道速度设置为第二速度。
111.在具体的示例中，基于行车的安全，可以令第一距离小于第二距离，例如，将第一距离设置为150米，将第二距离设置为300米；令第一速度大于第二速度，例如，将第一速度设置为150km/h，将第二速度设置为120km/h；令第一时间小于第二时间，例如，将第一时间设置为大于等于7秒，将第二时间设置为大于等于10秒；令第一速度大于第二速度，例如，令第一速度的横向加速度大于第二速度的横向加速度。
112.在一些其他实施例中，可以将变道速度设置为多个风格，例如，激进风格、正常风格和舒适风格；其中，激进风格表示最快的变道速度，舒适风格表示最慢的变道速度，正常风格的变道速度介于激进风格和舒适风格之间，基于此，可以在不同的行驶场景下，令车辆采取不同的风格进行变道。
113.在一些实施例中，在对车辆进行驾驶方式的控制时，可以仅对巡航相关的跟车距离和车速上限进行控制，也可以仅对变道相关的碰撞时间和变道速度进行控制，还可以同时对跟车距离、车速上限、碰撞时间和变道速度中的任意一项或任意多项实施控制操作。
114.在本技术的一些其他实施例中，基于前述步骤中对行驶场景划分的不同程度等级，可以进一步地细化不同行驶场景下所选择的巡航方式和变道方式。
115.具体地，可以分别设置多个不同的第一距离，设置多个不同的第一车速，设置多个不同的第一时间，以及，设置多个不同的第一速度；相似地，分别设置多个不同的第二距离，设置多个不同的第二车速，设置多个不同的第二时间，以及，设置多个不同的第二速度。
116.进一步地，可以基于不同的程度等级，来调整不同的跟车距离、车速上限、碰撞时间和变道速度，以实现针对车辆行驶时的不利程度，来对车辆的驾驶方式进行精细化的控制。
117.在具体的示例中，如前述步骤所述，车辆的行驶场景可以分为三个不同的程度级别，基于此，可以将非雨雪天湿滑路面的程度等级设置为1级，并将雨雪天湿滑路面的程度等级设置为2级或3级中的一个。
118.进一步地，以雨雪天湿滑路面的行驶场景为例，在当前的雨雪天湿滑路面的程度等级为2级时，可以视为该等级下的行驶场景对车辆行驶时的不利程度小于3级，并可以将2级时的第二距离、第二车速、第二时间、和第二速度设置为小于3时的第二距离、第二车速、第二时间、和第二速度。
119.可以看出，基于对划分的多个程度等级所设置的不同跟车距离、车速上限、碰撞时间和变道速度，可以实现针行驶场景的细微区别来实施不同的控制，令车辆的驾驶方式更加细致。
120.可见，本技术的实施例的车辆的智能驾驶方法，基于采集的操作信息、车前环境信息和天气信息，来确定车辆当前的行驶场景，综合考虑了驾驶者的主观判断和各类传感器的判断来对当前的行驶场景进行判定，使得行驶场景的判定更加准确。
121.进一步地，基于从多方面综合判定出的行驶场景来设置车辆的驾驶方式，可以针对不同的行驶场景来采取不同的驾驶方式，一方面，使得在更加恶劣的行驶场景下能够采取更加安全的驾驶方式；另一方面，对于所采取的驾驶方式，避免了仅依靠驾驶员来主动实施，实现了驾驶员主观判断与智能判断的相结合，不仅提高了仅依靠主观判断时的安全性，还实现了人性化的智能驾驶，提高了驾驶员的驾驶体验。
122.需要说明的是，本技术的实施例的方法可以由单个设备执行，例如一台计算机或
服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本技术的实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
123.需要说明的是，上述对本技术的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
124.基于同一发明构思，与上述任意实施例方法相对应的，本技术的实施例还提供了一种车辆的智能驾驶装置。
125.参考图3，所述车辆的智能驾驶装置，包括：信息获取模块301、判断模块302和驾驶方式设置模块303；
126.其中，所述信息获取模块301，被配置为，获取对车辆进行操作的操作信息，以及监测所述车辆当前所处的场景的场景影响信息；其中，所述场景影响信息包括所述车辆当前的前部环境信息和天气信息中至少一项；
127.所述判断模块302，被配置为，利用所述操作信息和所述场景影响信息，确定所述车辆当前所处的行驶场景；
128.所述驾驶方式设置模块303，被配置为，按照所述行驶场景，对所述车辆在巡航时和/或变道时的驾驶方式进行控制。
129.其中，判断模块302，具体被配置为：
130.利用所述操作信息对所述车辆当前所处的行驶场景进行判断，得到第一预测场景；利用所述车前环境信息对所述车辆当前所处的行驶场景进行判断，得到第二预测场景；利用所述天气信息对所述车辆当前所处的行驶场景进行判断，得到第三预测场景；
131.利用为所述第一预测场景、所述第二预测场景和所述第三预测场景各自分别预设的场景权重，通过将所述第二预测场景和所述第三预测场景中至少一项的场景权重与所述第一预测场景的场景权重进行比对，判断所述行驶场景为雨雪天湿滑路面或非雨雪天湿滑路面。
132.其中，所述行驶场景包括，雨雪天湿滑路面或非雨雪天湿滑路面。
133.驾驶方式设置模块303，具体被配置为：
134.确定当前所述车辆在巡航时与前车之间的跟车距离和所述车辆的车速上限；
135.确定当前所述车辆在变道时与除所述车辆之外的其他车辆之间的碰撞时长和所述车辆的变道速度；
136.根据所述行驶场景，调整所述跟车距离、所述车速上限、所述碰撞时长和所述变道速度中的至少一项。
137.其中，根据所述行驶场景，调整所述跟车距离、所述车速上限、所述碰撞时长和所述变道速度中的至少一项，包括：
138.响应于确定所述行驶场景为非雨雪天湿滑路面，执行包括将所述跟车距离调整为第一距离，将所述车速上限调整为第一车速，将所述碰撞时长调整为第一时长，以及将所述变道速度调整为第一速度在内的至少一项调整。
139.进一步地，根据所述行驶场景，调整所述跟车距离、所述车速上限、所述碰撞时长和所述变道速度中的至少一项，还包括：
140.响应于确定所述行驶场景为雨雪天湿滑路面，执行包括将所述跟车距离调整为第二距离，将所述车速上限调整为第二车速，将所述碰撞时长调整为第二时长，以及将所述变道速度调整为第二速度在内的至少一项调整；
141.其中，所述第二距离大于所述第一距离，所述第二车速小于所述第一车速，所述第二时间大于所述第一时间，所述第二速度小于所述第一速度。
142.进一步地，上述确定所述车辆当前所处的行驶场景之后，还包括：
143.根据所述操作信息确定所述第一预测场景的第一预测等级，根据所述车前环境信息确定所述第二预测场景的第二预测等级，根据所述天气信息确定所述第三预测场景的第三预测等级；
144.利用为所述第一预测等级、所述第二预测等级和所述第三预测等级各自分别预设的等级权重，通过将所述第二预测等级和所述第三预测等级中至少一项的等级权重与所述第一预测等级的等级权重进行比对，得到关于当前的所述行驶场景的程度等级；
145.其中，所述程度等级用于对确定出的所述当前的行驶场景进行划分；
146.所述按照所述行驶场景，对所述车辆在巡航时和/或变道时的驾驶方式进行控制，包括：
147.根据所述行驶场景的程度等级，调整所述车辆在所述当前的行驶场景下巡航时和/或变道时的驾驶方式。
148.其中，利用所述程度等级，调整所述车辆在所述当前的行驶场景下巡航时和/或变道时的驾驶方式，包括：
149.响应于确定所述行驶场景为所述雨雪天湿滑路面，根据所述程度等级，调整所述第二距离、所述第二车速、所述第二时间和所述第二速度中的至少一种。
150.为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本技术的实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
151.上述实施例的装置用于实现前述任一实施例中相应的车辆的智能驾驶方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
152.基于同一发明构思，与上述任意实施例方法相对应的，本技术的实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上任意一实施例所述的车辆的智能驾驶方法。
153.图4示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
154.处理器1010可以采用通用的cpu(central processing unit，中央处理器)、微处理器、应用专用集成电路(application specific integrated circuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本技术实施例所提供的技术方案。
155.存储器1020可以采用rom(read only memory，只读存储器)、ram(random access memory，随机存取存储器)、静态存储设备、动态存储设备等形式实现。存储器1020可以存储
操作系统和其他应用程序，在通过软件或者固件来实现本技术实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
156.输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入/输出模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
157.通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信。
158.总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
159.需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本技术实施例方案所必需的组件，而不必包含图中所示的全部组件。
160.上述实施例的装置用于实现前述任一实施例中相应的车辆的智能驾驶方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
161.基于同一发明构思，与上述任意实施例方法相对应的，本技术还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上任一实施例所述的车辆的智能驾驶方法。
162.本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
163.上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述的车辆的智能驾驶方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
164.所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本技术的范围(包括权利要求)被限于这些例子；在本技术的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本技术的实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
165.另外，为简化说明和讨论，并且为了不会使本技术的实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(ic)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本技术的实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本技术的实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本技术的示例性实施例的情况下，对本领域技术人员来说显而易见的
是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本技术的实施例。因此，这些描述应被认为是说明性的而不是限制性的。
166.尽管已经结合了本技术的具体实施例对本技术进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态ram(dram))可以使用所讨论的实施例。
167.本技术的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本技术的实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本技术的保护范围之内。